[1]蔡琼,陈鹏慧,魏武.采用小波变换的脑电图信号分析及其应用[J].华侨大学学报(自然科学版),2015,36(2):166-170.[doi:10.11830/ISSN.1000-5013.2015.02.0166]
　CAI Qiong,CHEN Peng-hui,WEI Wu.Analysis and Application of Electroencephalography Signal Based on Wavelet Transform[J].Journal of Huaqiao University(Natural Science),2015,36(2):166-170.[doi:10.11830/ISSN.1000-5013.2015.02.0166]
点击复制

采用小波变换的脑电图信号分析及其应用()
分享到：

《华侨大学学报（自然科学版）》[ISSN:1000-5013/CN:35-1079/N]

卷:
第36卷
期数:
2015年第2期
页码:
166-170
栏目:
出版日期:
2015-03-20

文章信息/Info

Title:
Analysis and Application of Electroencephalography Signal Based on Wavelet Transform
文章编号:
1000-5013(2015)02-0166-05
作者:
蔡琼1;  陈鹏慧1;  魏武2
1. 湖南信息职业技术学院 电子工程学院, 湖南 长沙 410200;2. 华南理工大学 自动化科学与工程学院, 广东 广州 510641
Author(s):
CAI Qiong1;  CHEN Peng-hui1;  WEI Wu2
1. College of Electronic Engineering, Hunan College of Information, Changsha 410200, China; (2. School of Automation Science and Engineering, South China University of Technology, Guangzhou 510641, China
关键词:
脑电图;  自动识别;  多小波基;  小波变换;  支持向量机
Keywords:
electroencephalogram;  automatic identify;  multi wavelets;  wavelet transfer;  support vector machine
分类号:
R444;TN911.6
DOI:
10.11830/ISSN.1000-5013.2015.02.0166
文献标志码:
A
摘要:
为解决用小波变换方法进行脑电图(EEG)多分类自动识别容易出现特征信号混同化、识别率不高的问题,将小波变换中小波基的选取方法由单个的小波母函数改为能适应不同波形的多小波基,然后用支持向量机的方法进行分类.结果表明:在典型的脑电波EEG信号自动识别中,与传统的单小波母函数相比,多小波基(小波母函数序列)能检测出更多的特征波形;用基于多小波基的小波变换识别方法要明显优于基于传统的Coif,Morlet等单小波基小波变换方法.
Abstract:
In order to solve problem confused characteristic signal and low recognition rate when wavelet transform used in the electroencephalography(EEG)multi classification, we change the wavelet basic sequences for the single wavelet basic which can adapt to the different waveform. Multi wavelets can detect more characteristic waveform compared with single wavelet basis, and support vector machine(SVM)is used for classification.In the typical EEG signal automatic, multi wavelet transform method is better than the tradition Coif or Morlet wavelet transform method.

参考文献/References:

[1] BERGER H.über das elektrenkephalogramm des menschen[J]. Arch Psychiatr Nervenkr,1929,87(1):527-570.
[2] 凌朝东,黄群峰,张艳红,等.脑电信号提取专用电极芯片的设计研究[J].华侨大学学报:自然科学版,2007,28(3):76-79.
[3] 谢惠琴,王全义.时延细胞神经网络的指数稳定性和周期解[J].华侨大学学报:自然科学版,2004,25(1),22-26.
[4] 季忠,秦树人.基于Wigner分布的脑电信号处理[J]. 信号处理,2002,18(6):570-573.
[5] 凌朝东,刘蓉,钱江,等.基于5/3提升小波变换的心电信号压缩算法及VLSI实现 [J].信号处理,2010,26(6):930-935.
[6] 杨帮华,颜国正,鄢波.基于离散小波变换提取脑机接口中脑电特征[J].中国生物医学工程学报,2006,25(5):518-521.
[7] 王浩,陈志华,邹飒枫,等.基于Morlet小波变换的EEG信号α波持续性的分析[J].生物医学工程学杂志,2010,27,(4):745-747.
[8] 张永胜,刘爱萍,郁可.脑电信号数据压缩及棘波识别的小波神经网络方法[J].生物医学工程学杂志,1999,16(2):1-7.
[9] 曾小军,黄宜坚.利用AR模型和支持向量机的调速阀故障识别[J].华侨大学学报:自然科学版,2011,32(1):13-18.
[10] WALLACE B E,WAGNER A K,WAGNER E P,et al.A history and review of quantitative electroencephalography in traumatic brain injury[J]. J Head Trauma Rehabil,2001,16(2):165-190.
[11] CHU N S,CHU C C,TU S C,et al.EEG spectral analysis and topographic mapping in Wilson’s disease[J].J Neurol Sci,1991,106(1):1-9.
[12] 阮月平,张佃中,张屹.心律不齐患者心电图变异的小波分析[J].生物医学工程学杂志,2012,29(4):650-652.
[13] van COTT A C. Epilepsy and EEG in the elderly[J].Epilepsia,2002,43(S3):94-102.

备注/Memo

备注/Memo:
收稿日期: 2015-03-20
通信作者: 蔡琼(1982-),女,讲师,博士,主要从事智能控制、信号处理、图像识别的研究.E-mail:caiqiong@mail.mail.hniu.cn.
基金项目: 湖南省教育厅科学研究基金资助项目(12C1174)
更新日期/Last Update: 2015-03-20